MétaCan
Menu
Retour à la cohorte
Enregistrement W7087431187 · doi:10.7202/1118928ar

Vacant Property and The City

2024· article· en· W7087431187 sur OpenAlexvenueno aff

Notice bibliographique

RevueSens public · 2024
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueUrban Planning and Valuation
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésObsolescenceReal estateCommonsAbandonment (legal)Investment (military)Public transportPublic useAction (physics)Intervention (counseling)

Résumé

récupéré en direct d'OpenAlex

Urban commons represent a unique opportunity for public authorities to proactively tackle the dismantling, abandonment and obsolescence of the built heritage generated in cities by social and economic transition processes (affecting both private and public heritage). In a moment when resources and opportunities are lacking, and deep changes are taking place in the real estate market dynamics, strengthening a UC-oriented perspective could help public authorities blend their direction, coordination, intervention and direct territorial investment action as they strive to gain more accountability. As a start, such an approach could focus on publicly owned properties, calling for a change in their valorisation and mobilization strategies: the attention no longer turns to (often failing) economic tools, but mostly to define new local development pathways where social, generative and usage values come into play. It is hence necessary to establish new definitions, categories and descriptions for public property, focusing on its potential as a trigger for new urban regeneration processes and urban commons generation. Based on an exercise of mapping the city of Turin’s public properties, this contribution discusses how information on these assets is currently collected and systematized, exploring the limits and opportunities of assessing vacant properties at city scale through data analysis and mapping.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,019
Score d'incertitude au seuil0,037

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,006
Communication savante0,0050,002
Science ouverte0,0000,003
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,038
Tête enseignante GPT0,238
Écart entre enseignants0,200 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSens publicMême sujetUrban Planning and ValuationTravaux en français237 207